论文：

Lightweight image super-resolution with enhanced CNN


代码：

LESRCNN

论文核心模块

复现过程

conda create -n LESRCNN python=2.7

pip install torch==1.4.0

import torch
print(torch.__version__)  #注意是双下划线

其他的按照代码的readme部分一直pip install就行了

数据集的制作

见制作代码部分，制作数据集的文件夹



训练集需要先，1. 重命名， 2. 剪切去除干扰 3. 灰度图去除灰阶和彩色标记混杂的情况 4. 制作不同分辨率并保持不同文件夹

测试集也是一样的，只是测试集是hr和lr混合在一起

如下图所示



其实就是超分辨数据集格式，见

DIV2K dataset

里面的格式介绍

代码详解

改了solver.py 和 tcw_sample.py 放在GitHub代码的主文件夹了

1. 该盲超分各个尺度网络是一样的 model 文件夹中 ，训练时，train.py 通过random函数实现3个尺度同时训练
   
   
   3.

2. test时候，每个尺度单独一个文件夹test，也可以单独训练，但是训练时候，第 div2h5.py 文件将数据变成.h5格式

   

3. 由于版本原因，cuda10.0和11.0都装不了 tensorboardX 所需要的pytorch1.0版本，所以直接给他注释掉了

    # from tensorboardX import SummaryWriter  #第六行
    # self.writer = SummaryWriter(log_dir=os.path.join("runs", cfg.ckpt_name))   #log  第60行
    # 图片中的几行
   

   

4. 和srgan不一样，输入数据不会被resize，随便输入就行，只要保证图片尺寸大小一致，hr和sr，各个lr 的通道数一致。

5. 其他的有需要再补充